18信息无绝缘轨道电路的安装与调试

18信息无绝缘移频轨道电路是我国自主研制开发的铁路信号闭塞系统，具有传输信息量大和钢轨上无机械绝缘的特点，能满足既有线提速及高速铁路对信号的要求。本文主要介绍了该轨道电路的基本原理和安装调试方法。     

基于遗传算法的BP神经网络短时交通流预测

对BP神经网络模型、方法及遗传算法的基本原理进行了分析,将遗传算法与标准BP神经网络算法相结合构建了基于遗传算法的神经网络算法;建立了基于BP神经网络的短时交通流预测模型,对BP神经网络算法及基于遗传算法的BP神经网络算法进行设计,并将其应用于短时交通流预测模型的仿真计算,仿真结果表明基于遗传算法的BP神经网络算法具有更快的计算速度及更好的适应能力,该方法可以较好地应用于短时交通流预测。     

基于BP神经网络的PGIS空车位数预测建模研究

文章采用BP神经网络对城市停车诱导信息系统（PGIS）中的空余车位数进行预测研究，建立了基于BP神经网络的PGIS空车位数预测模型，并介绍了模型预测的过程和方法。     

隧道洞室地基稳定性双阶段多策略粒子群BP网络模型研究

影响隧道洞室地基稳定性的因素众多,这些因素与隧道洞室地基稳定性之间存在着复杂的非线性关系,并且常规的方法很难描述这种复杂的关系。文章提出了一种双阶段多策略粒子群算法(DMPSO)优化的BP神经网络隧道洞室地基稳定性评价模型。粒子群算法具有全局优化能力强、搜索效率高等特点,算法改进后使这些特点更加突出。BP算法有很强的非线性映射能力、泛化能力,但也有收敛速度慢,容易陷入局部最优等缺陷。采用双阶段多策略粒子群算法(DMPSO)搜索BP模型的权值和阈值,弥补了BP模型的缺陷,提高了其预测的准确度。文章以重庆小什字车站洞室地基为例,证明了双阶段多策略粒子群算法优化的BP神经网络模型(DMPSO-BP)的可行性,并且该模型比模糊神经网络和粒子群优化的BP神经网络(PSO-BP)模型有更好的预测精度。     

混凝土结构钢筋锈蚀率BP神经网络预测模型

文章基于对钢筋锈蚀率与锈胀裂缝关系的分析，建立了根据锈胀裂缝宽度预测钢筋锈蚀率的BP神经网络模型，并将该模型的预测结果与采用线性拟合法预测的结果进行了比较。结果表明：用BP神经网络模型可以较准确、简便、快速地预测钢筋混凝土结构的钢筋锈蚀率。     

灰色BP网络串联式组合模型在铁路客货运输量预测中的应用

针对铁路客货运输量发展趋势的研究,建立一种基于灰色理论和BP神经网络的串联式组合预测模型。该模型首先用同一组数据序列建立不同参数的灰色方程,然后用各灰色方程分别预测,最后将各灰色方程预测的结果进行BP神经网络非线性组合,形成串联式组合预测模型。对湖南省铁路客货运量进行分析预测,结果表明:该组合模型预测的准确性高于单独使用灰色模型的准确性,是一种可靠有效的预测方法。     

基于人工蜂群优化小波神经网络的隧道沉降预测

小波神经网络存在收敛速度较慢、易陷入局部最优的缺陷,而人工蜂群算法收敛速度快且同时具有局部和全局搜索的能力。文章利用人工蜂群算法对小波神经网络进行优化,形成人工蜂群小波神经网络,并将其应用于地铁隧道沉降预测;并以深圳地铁10号线为例,将该模型的预测结果与BP神经网络、小波神经网络进行对比分析。结果表明,人工蜂群小波神经网络较其它两种模型的预测精度更高,预测结果更稳定。     

基于BP神经网络的川气东送管道土壤腐蚀预测

通过现场埋片和土壤理化性质试验确定了影响川气东送管道腐蚀速率的主要土壤因素,对39个试验点的X70钢质试片的腐蚀数据进行分析,构建了X70钢材土壤腐蚀预测模型,利用该模型在BP神经网络中训练、模拟,并运用MATLAB软件对神经网络进行编程,将预测结果与现场X70埋片腐蚀实验结果对比。结果表明:运用BP神经网络可以建立稳定性好的土壤腐蚀预测模型,预测川气东送管道X70钢材在土壤中的腐蚀速率的准确度达到90%以上。     

基于神经网络的无信号路口人车交通行为预测分析

以无信号灯路口人车交通行为为研究对象,对行人和机动车辆在无信号灯路口的整体交通行为进行分类预测。在对路口现场交通情况进行拍摄后,用电脑的分帧技术对所需要的数据进行提取和分类,而后建立BP神经网络模型,确定神经网络的输入变量与输出变量。将样本数据导入神经网络并进行训练和测试后,得出行人和车辆过街类型的分类准确率,并且通过准确率所达到的标准来证明了BP神经网络模型的可行性。     

基于PCA-BP神经网络的铁路客运量预测模型研究

本文分析铁路客运量影响因素,利用主成分分析(PCA)消除原始铁路客运量影响因素之间的相关性,将主成分分析结果作为BP神经网络的输入,并通过增加动量项、输入数据处理、调整学习速率优化BP神经网络,提出基于PCA-BP神经网络的铁路客运量预测模型。实例研究表明,与BP神经网络相比,PCABP神经网络能有效提高铁路客运量预测精度。     

基于MAX260的铁路移频检测系统设计

为可靠检测移频信号,文章设计出利用STC系列单片机控制MAX260滤波的移频信号检测系统,对移频信号进行窄带滤波,实现对铁路移频信号的自动识别和自动检测。通过实际铁路移频信号的测试,证明该系统是有效的,移频信号的载频检测与调制频率检测误差都比较低,具有系统简单、可靠性高的优点。     

综合运输体系的短时交通流预测方法

对综合运输体系中的热点研究方向即短时交通流的几种主要预测方法:基于混沌时间序列分析、基于L-M算法的BP神经网络、组合预测等方法进行了介绍,并对其原理、优缺点和具体应用分别进行了详细分析,并指出了短时交通流预测研究的发展方向。     

BP神经网络算法下青海公路货运周转量预测

随着中西部社会化建设的迅猛发展,中西部许多地区的运输发展直接影响着丝绸之路经济带的建设,我们通过研究预测未来的需求制定相关措施来助力丝绸之路的经济发展,论文将青海省公路货运量与BP神经网络模型相结合。利用MATLAB对BP神经网络模型预测未来公路货物运输相关数据。将预测结果作为依据来指导下一步的相关工作,对研究青海公路运输有一定参考意义。     

ZPW-2000型闭环电码化施工技术介绍

本文论述了ZPW-2000型闭环电码化的技术特点和主要原理,并对其构成和施工、调试方法作了简单介绍。     

基于遗传算法的BP神经网络在隧道围岩参数反演和变形预测中的应用

隧道变形的准确预测需要以可靠的围岩力学参数为前提。文章通过构建基于遗传算法的BP神经网络智能反分析系统(GA-BP),实现了遗传算法自动搜索BP网络参数,大大提高了反演分析的效率,并将构建的GABP智能反分析系统应用到下穿沈丹高速公路的大顶山隧道围岩参数反演和变形预测中。分析结果表明,GA-BP反分析系统收敛速度较快,围岩参数反演和变形预测较为准确。     

基于多变量GP-DE模型的隧道变形时间序列预测研究

准确预测和控制隧道变形是确保隧道工程施工安全的重点。针对目前隧道围岩变形时间序列预测的不足,文章提出了一种基于多变量高斯过程(GP)-差异进化算法(DE)的隧道变形时间序列预测方法。根据隧道自动化监测结果进行多变量相空间重构,并通过主成分分析法降低输入维数。在此基础上采用GP-DE模型进行隧道变形预测研究。以吉林省高丽沟隧道围岩拱顶位移为例进行预测,将预测结果与BP神经网络、SVM模型预测结果进行比较。研究结果表明,多变量时间序列的GP-DE模型具有更高的预测精度,预测值与实测值吻合更好,是一种有效的隧道位移预测方法。     

BP神经网络算法在隧道施工监控量测中的应用

BP神经网络系统对隧道施工监控量测数据的处理和预测产生着积极作用,现已被广泛应用到工程实践中。鉴于此,从BP神经网络算法分析入手,简要介绍了该算法的实现过程,并以具体工程分析为例,阐述了BP神经网络系统对隧道施工监控量测数据的处理过程,以期为同类工程提供参考借鉴。     

暗挖大跨地铁车站增量位移反分析研究

文章采用均匀设计法对围岩密度、弹性模量、泊松比、粘聚力、内摩擦角5个因素的16个水平进行了数值仿真试验设计,并借助有限差分法对暗挖大跨地铁车站施工进行了三维计算,获得了不同试验设计条件下不同工序的地表沉降位移值。以计算结果中临时支撑拆除引起的11个观察点的增量位移作为BP神经网络的输入集,以相应工况的岩土体参数作为BP神经网络的输出集,完成了BP神经网络的训练和学习工作;然后将现场实测到的临时支撑拆除导致的位移作为BP神经网络的输入参数,反演出了相应的岩土体参数;最后将该套反演参数代入FLAC3D进行三维仿真计算,得到了岩土体的位移结果,并采用现场实测的7个测点的地表沉降增量对该套参数的合理性进行验证。结果表明,以临时支撑拆除这一工序引起的地表沉降增量为考察指标,采用均匀设计法和BP神经网络可以快速有效地获得暗挖大跨地铁车站围岩的等效物理力学参数,指导暗挖大跨地铁车站的设计与施工,保证工程施工和周边环境安全。     

基于BP神经网络的公路工程造价快速估算方法

BP神经网络模型的建立对于提升公路工程造价估算速度有很大的影响,但在这之前,需要有较为全面系统的工程资料对BP神经网络进行训练,使其形成一定的分析模式,进而完成对工程造价的快速估算。本文对快速估算工程造价的思路和公路工程样本描述及定量化进行了阐述,并对基于BP神经网络的公路工程造价快速估算模型进行介绍,结合实例,对其实用性进行论证。     

基于数据分析的铁路列车到达晚点预测模型

准确估计列车的实际晚点时间对于列车运行图制定、列车调度员决策具有重要意义。为此,以荷兰铁路列车运行实际数据为研究基础,根据列车实际运行数据选择自变量,以列车的实际晚点时间为因变量,建立列车晚点的随机森林预测模型,并以BP神经网络模型作为对比,结果表明随机森林模型预测误差稳定,预测精度较高,比传统的神经网络方法取得了更好的预测效果。